Fast Campus Data Science School 17th Regression project

Regression for factors affecting Life Expectancy🧬

📝 개요

1️⃣ 주제 선정 동기

• Covid 19로 건강에 대한 관심 ↑
• 100세 시대를 코 앞에 두고 있는 요즘, 어떤 요인이 장수에 영향을 미치는지 탐구해보자

2️⃣ 프로젝트 목적

• 기대 수명과 연관된 요인 분석
• 다중 선형 회귀 기반 회귀 모델 공식화
• 개발도상국 등 기대 수명이 낮은 국가 대상, 기대 수명이 낮은 이유 및 수명 제고 방안 분석

3️⃣ Dataset

• Kaggle "Life-Expextancy (WHO)
  • 2000~2015년 193개국의 기대수명 및 관련 요인 데이터셋
  • 종속변수(Target): Life expactancy
  • 독립변수(Features): 경제, 사회 (예방접종, 교육 등), 사망률 등 19개 요인
• THE WORLD BANK
  • GDP per capita, Death rates, Population 등 결측치 처리 및 추가용 자료 수집

📈 Modeling

• Pipeline & GridSearchCV

  

• Predict

  • 2019년 한국 기대수명: 83세
  • Linear Regression Predicted: 81.35세

• Results visualization

  
  
  

🔎 EDA

Life expectancy와 높은 상관관계를 가지는 Features

• 양의 상관관계: 교육 정도(Schooling) 0.8, 자원의 소득 구성(Income composition of resources) 0.8
• 음의 상관관계: 영아 사망률(Infant deaths) -0.9, 성인 사망률(Adult mortality) -0.7

Status에 따른 국가별 Features 분포

• Developed(Status 1 - Deep color) / Developing (Status 0 - Light color)
• Life expectancy
  
• Life expectancy 상위/하위 10% 국가들 비교
  • Life expectancy와 양의 상관관계를 가진 Features: Developed 국가가 상위권을 차지
  • Life expectancy와 음의 상관관계를 가진 Features: Developing 국가가 상위권을 차지
  

👩🏻‍🤝‍🧑🏻 Contributors

• Seyoung Ko & Hyunjin Kim